CN114814759B - 基于数字孪生的机载雷达信号处理与数据存储方法及组件 - Google Patents
基于数字孪生的机载雷达信号处理与数据存储方法及组件 Download PDFInfo
- Publication number
- CN114814759B CN114814759B CN202210738305.7A CN202210738305A CN114814759B CN 114814759 B CN114814759 B CN 114814759B CN 202210738305 A CN202210738305 A CN 202210738305A CN 114814759 B CN114814759 B CN 114814759B
- Authority
- CN
- China
- Prior art keywords
- data
- virtual model
- physical entity
- twin
- signal processing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/40—Means for monitoring or calibrating
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/40—Means for monitoring or calibrating
- G01S7/4004—Means for monitoring or calibrating of parts of a radar system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/22—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing
- G06F11/2273—Test methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Remote Sensing (AREA)
- General Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Software Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Quality & Reliability (AREA)
- Computer Hardware Design (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本申请公开了一种基于数字孪生的机载雷达信号处理与数据存储方法、装置、设备及存储介质。方法包括:根据机载雷达信号处理和数据存储系统的物理实体,通过映射创建得到对应的虚拟模型,并创建机载雷达信号处理和数据存储系统的孪生数据层;所述孪生数据层用于驱动所述物理实体和所述虚拟模型同步;基于所述孪生数据层的第一数据驱动所述物理实体和所述虚拟模型,并对所述虚拟模型进行仿真和校准,得到校准后的虚拟模型;基于所述孪生数据层的第二数据对所述物理实体和所述校准后的虚拟模型进行测试,以便根据所述校准后的虚拟模型预测所述物理实体的运行状态。能够实现雷达信号处理和数据存储的全生命周期的有效仿真,提高机载雷达仿真的准确性。
Description
技术领域
本发明涉及机载雷达技术领域,特别涉及一种基于数字孪生的机载雷达信号处理与数据存储方法、系统、装置、设备及存储介质。
背景技术
目前,随着各种有人/无人飞机快速发展,各种载荷装备,例如雷达装备,随之进行了技术革新和广泛应用。其中,机上信号处理是雷达的至关重要的技术,因为科学智能的信号处理能够充分发挥雷达的优势,起到效能倍增器的作用;而无序的处理会限制雷达的功用,甚至使雷达与其他机载载荷之间相互影响。但是随着技术的进步,机载雷达的数据率越来越大,很多应用场景中的通信链路带宽难以满足空地之间的雷达数据传输要求,需要对数据进行机上实时存储,因此信号处理和数据存储是机载雷达的两种重要技术。面对愈发复杂的工作环境,机载雷达信号处理和数据存储应用需求也更加迫切,很多机载雷达信号处理和数据存储呈现出科研生产一体化、多品种多变量、技术更新换代快、多学科高度耦合的特点,给研制、试验验证、运行维护带来了严峻挑战。
现有技术中,为了加快研制速度,提高成功率,降低运维成本,目前采用的仿真和软件化机载雷达方法可以辅助研制雷达信号处理和数据存储系统,但效果不一,且绝大多数只能改善某一部分或者某一款雷达信号处理和数据存储的研发效果,因此,如何提高机载雷达信号处理与数据存储仿真能力是目前亟需解决的问题。
发明内容
有鉴于此,本发明的目的在于提供一种基于数字孪生的机载雷达信号处理与数据存储方法、装置、设备及介质,能够实现雷达信号处理和数据存储的全生命周期的有效仿真,提高机载雷达信号处理与数据存储仿真的准确性。其具体方案如下:
第一方面,本申请公开了一种基于数字孪生的机载雷达信号处理与数据存储方法,包括:
根据机载雷达信号处理和数据存储系统的物理实体,通过映射创建得到对应的虚拟模型,并创建机载雷达信号处理和数据存储系统的孪生数据层;所述孪生数据层用于驱动所述物理实体和所述虚拟模型同步;
基于所述孪生数据层的第一数据驱动所述物理实体和所述虚拟模型,并对所述虚拟模型进行仿真和校准,得到校准后的虚拟模型;
基于所述孪生数据层的第二数据对所述物理实体和所述校准后的虚拟模型进行测试,以便根据所述校准后的虚拟模型预测所述物理实体的运行状态。
可选的,所述根据机载雷达信号处理和数据存储系统的物理实体,通过映射创建得到对应的虚拟模型,包括:
根据机载雷达信号处理和数据存储系统的物理实体,利用数字孪生技术映射创建得到对应的虚拟模型;
其中,所述虚拟模型包括器件物理模型、行为模拟模型、状态信息模型以及用于判定所述物理实体与所述虚拟模型之间映射吻合度的映射规则模型。
可选的,所述创建机载雷达信号处理和数据存储系统的孪生数据层,包括:
创建机载雷达信号处理和数据存储系统的孪生数据层;所述孪生数据层包括所述虚拟模型对应的仿真数据、所述物理实体对应的实测数据、所述虚拟模型与所述物理实体的交互反馈数据以及数据同步处理规则。
可选的,所述基于所述孪生数据层的第一数据驱动所述物理实体和所述虚拟模型,并对所述虚拟模型进行仿真和校准,得到校准后的虚拟模型,包括:
通过对所述孪生数据层获取的所述虚拟模型对应的仿真数据以及所述物理实体对应的实测数据进行数据清洗,以得到所述第一数据;
利用所述第一数据驱动所述物理实体和所述虚拟模型;其中,利用所述第一数据驱动所述虚拟模型内对应的物理机理已知的模块,通过机器学习驱动所述虚拟模型内物理机理未知的模块;
对所述虚拟模型进行信号处理和数据存储的仿真测试得到仿真结果,并根据所述物理实体的实际结果与所述仿真结果的差异对所述虚拟模型进行校准,以得到校准后的虚拟模型。
可选的,所述基于所述孪生数据层的第二数据对所述物理实体和所述校准后的虚拟模型进行测试,以便根据所述校准后的虚拟模型预测所述物理实体的运行状态,包括:
通过对所述孪生数据层实时获取的所述虚拟模型对应的仿真数据以及所述物理实体对应的实测数据进行数据清洗和分类,以得到所述第二数据;
通过将所述第二数据分别发送给所述物理实体和所述虚拟模型,驱动所述物理实体和所述虚拟模型运行,以实现对所述物理实体和所述虚拟模型的实验测试,以便根据所述校准后的虚拟模型的测试结果预测所述物理实体的未来运行状态。
可选的,所述通过对所述孪生数据层实时获取的所述虚拟模型对应的仿真数据以及所述物理实体对应的实测数据进行数据清洗和分类,以得到所述第二数据,包括:
对所述孪生数据层实时获取的所述虚拟模型对应的仿真数据以及所述物理实体对应的实测数据进行数据清洗,以删除重复冗余数据和错误数据,并补全缺失值,得到清洗后数据;
根据所述虚拟模型包含的不同类型模块对所述清洗后数据进行分类,并根据所述虚拟模型支持的数据格式类型对分类后数据进行格式转换,以得到所述第二数据;
将所述第二数据存储至历史加工数据库,以便在后续孪生过程中发生错误报警时进行历史数据回溯。
第二方面,本申请公开了一种基于数字孪生的机载雷达信号处理与数据存储系统,包括:
机载雷达信号处理和数据存储系统的物理实体、机载雷达信号处理和数据存储系统的虚拟模型、以及用于驱动所述物理实体和所述虚拟模型同步的机载雷达信号处理和数据存储系统的孪生数据层;
所述孪生数据层还用于基于本地第一数据驱动所述物理实体和所述虚拟模型,并对所述虚拟模型进行仿真和校准,得到校准后的虚拟模型;基于本地第二数据对所述物理实体和所述校准后的虚拟模型进行测试,以便根据所述校准后的虚拟模型预测所述物理实体的运行状态。
第三方面,本申请公开了一种基于数字孪生的机载雷达信号处理与数据存储装置,包括:
创建模块,用于根据机载雷达信号处理和数据存储系统的物理实体,通过映射创建得到对应的虚拟模型,并创建机载雷达信号处理和数据存储系统的孪生数据层;所述孪生数据层用于驱动所述物理实体和所述虚拟模型同步;
仿真校准模块,用于基于所述孪生数据层的第一数据驱动所述物理实体和所述虚拟模型,并对所述虚拟模型进行仿真和校准,得到校准后的虚拟模型;
测试模块,用于基于所述孪生数据层的第二数据对所述物理实体和所述校准后的虚拟模型进行测试,以便根据所述校准后的虚拟模型预测所述物理实体的运行状态。
第四方面,本申请公开了一种电子设备,包括:
存储器,用于保存计算机程序;
处理器,用于执行所述计算机程序,以实现前述的基于数字孪生的机载雷达信号处理与数据存储方法。
第五方面,本申请公开了一种计算机可读存储介质,用于存储计算机程序;其中计算机程序被处理器执行时实现前述的基于数字孪生的机载雷达信号处理与数据存储方法。
本申请中,根据机载雷达信号处理和数据存储系统的物理实体,通过映射创建得到对应的虚拟模型,并创建机载雷达信号处理和数据存储系统的孪生数据层;所述孪生数据层用于驱动所述物理实体和所述虚拟模型同步;基于所述孪生数据层的第一数据驱动所述物理实体和所述虚拟模型,并对所述虚拟模型进行仿真和校准,得到校准后的虚拟模型;基于所述孪生数据层的第二数据对所述物理实体和所述校准后的虚拟模型进行测试,以便根据所述校准后的虚拟模型预测所述物理实体的运行状态。可见,通过数字孪生驱动物理实体和虚拟模型对虚拟模型进行仿真和校准,使虚拟模型能够根据物理实体的运行状态不断优化更新,以构建物理实体在虚拟空间的高逼真映射,使孪生的虚拟模型能够在行为、状态和动作上与物理实体保持一致,从而利用校准后的虚拟模型实现雷达信号处理和数据存储在设计、测试、验证、运用、维护的全生命周期的有效仿真,提高机载雷达信号处理和数据存储仿真的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本申请提供的一种基于数字孪生的机载雷达信号处理与数据存储方法流程图;
图2为本申请提供的一种具体的基于数字孪生的机载雷达信号处理和数据存储系统模型结构示意图;
图3为本申请提供的一种具体的基于数字孪生的机载雷达信号处理和数据存储系统仿真校准方法;
图4为本申请提供的一种具体的基于数字孪生的机载雷达信号处理和数据存储系统实验测试方法;
图5为本申请提供的一种具体的基于数字孪生的机载雷达信号处理与数据存储系统结构示意图;
图6为本申请提供的一种基于数字孪生的机载雷达信号处理与数据存储装置结构示意图;
图7为本申请提供的一种电子设备结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
现有技术中,采用的仿真和软件化机载雷达方法可以辅助研制雷达信号处理和数据存储系统,但效果不一,且绝大多数只能改善某一部分或者某一款雷达信号处理和数据存储的研发效果。为克服上述技术问题,本申请提出一种基于数字孪生的机载雷达信号处理与数据存储方法,能够实现雷达信号处理和数据存储的全生命周期的有效仿真,提高机载雷达信号处理和数据存储仿真的准确性。
本申请实施例公开了一种基于数字孪生的机载雷达信号处理与数据存储方法,参见图1所示,该方法可以包括以下步骤:
步骤S11:根据机载雷达信号处理和数据存储系统的物理实体,通过映射创建得到对应的虚拟模型,并创建机载雷达信号处理和数据存储系统的孪生数据层;所述孪生数据层用于驱动所述物理实体和所述虚拟模型同步。
本实施例中,首先,建立机载雷达信号处理和数据存储系统的物理实体,物理实体是执行雷达信号处理和数据存储全部要素的集合,主要包括信号处理机的处理器、缓存介质和存储系统的存储介质、控制器等,以及信号处理算法、数据缓存方法、存储文件管理方法、数据传输层算法、介质管理技术等处理和存储方法等。
本实施例中,所述根据机载雷达信号处理和数据存储系统的物理实体,通过映射创建得到对应的虚拟模型,可以包括:根据机载雷达信号处理和数据存储系统的物理实体,利用数字孪生技术映射创建得到对应的虚拟模型;其中,所述虚拟模型包括器件物理模型、行为模拟模型、状态信息模型以及用于判定所述物理实体与所述虚拟模型之间映射吻合度的映射规则模型。即物理实体建立后,根据建立的机载雷达信号处理和数据存储系统的物理实体,通过数字孪生技术建立机载雷达数字孪生信号处理和数据存储的虚拟模型,具体的,例如图2所示,以高逼真映射物理实体为目标,通过数字孪生映射建立器件物理模型、行为模拟模型、状态信息模型,以及判定虚拟与实体之间映射吻合度的映射规则模型,建立得到虚拟模型。其中,器件物理模型是模拟实际机载雷达信号处理和数据存储的物理实体的模型;行为模拟模型是虚拟模型的核心,模拟机载雷达信号处理和数据存储物理体各组成部分的行为模拟方法;状态信息模型是对实体要素固有属性和功能执行状态的客观描述;映射规则模型是判定虚拟模型与物理实体逼真度的规则模块。
本实施例中,所述创建机载雷达信号处理和数据存储系统的孪生数据层,可以包括:创建机载雷达信号处理和数据存储系统的孪生数据层;所述孪生数据层包括所述虚拟模型对应的仿真数据、所述物理实体对应的实测数据、所述虚拟模型与所述物理实体的交互反馈数据以及数据同步处理规则。建立机载雷达信号处理和数据存储的孪生数据层,孪生数据层作为机载雷达信号处理和数据存储孪生模型的重要组成部分,包括虚拟模型的仿真数据、真实物理体的实测数据、虚拟和物理的交互反馈数据以及同步处理方法;可以理解的是,例如图2所示的基于数字孪生的机载雷达信号处理和数据存储系统模型,基于上述的物理实体、虚拟模型和孪生数据层构建得到机载雷达数字孪生信号处理和数据存储系统,其中,孪生数据层同时驱动物理实体和虚拟模型,实现物理实体与虚拟模型的数据同步。
步骤S12:基于所述孪生数据层的第一数据驱动所述物理实体和所述虚拟模型,并对所述虚拟模型进行仿真和校准,得到校准后的虚拟模型。
本实施例中,系统模型各部分创建完成后,基于数据驱动系统模型进行仿真校准,如图3所示的基于数字孪生的机载雷达信号处理和数据存储系统仿真校准方法,使用孪生数据层的各类数据,驱动数字孪生系统模型仿真和校准。
本实施例中,所述基于所述孪生数据层的第一数据驱动所述物理实体和所述虚拟模型,并对所述虚拟模型进行仿真和校准,得到校准后的虚拟模型,可以包括:通过对所述孪生数据层获取的所述虚拟模型对应的仿真数据以及所述物理实体对应的实测数据进行数据清洗,以得到所述第一数据;利用所述第一数据驱动所述物理实体和所述虚拟模型;其中,利用所述第一数据驱动所述虚拟模型内对应的物理机理已知的模块,通过机器学习驱动所述虚拟模型内物理机理未知的模块;对所述虚拟模型进行信号处理和数据存储的仿真测试得到仿真结果,并根据所述物理实体的实际结果与所述仿真结果的差异对所述虚拟模型进行校准,以得到校准后的虚拟模型。
在对模型仿真校准前,首先,孪生数据层对包含的大量的仿真数据和实测数据进行自主学习和搜寻数据,具体可以采用机器学习的方法自动获取有效数据,有效数据即为对实测和仿真等数据进冗余删除和错误数据删除后的数据。然后,基于上述有效数据驱动物理实体和虚拟模型,对于虚拟模型内物理规律明确的部分,自动更新模型的物理模型、行为和状态;对于物理机理未知的部分,采用基于机器学习的方法实现数据驱动模块更新。最后,校准虚拟模型,实现虚拟模型异步智能成长;同时在虚拟模型内对信号处理和数据存储进行仿真测试,模拟物理实体在复杂应用场景的行为状态,将仿真测试结果反馈给物理实体,优化机载雷达信号处理和数据存储行为。
由此,通过数据驱动,对虚拟模型进行持续的优化和更新,对虚拟模型内机理明确的模块,即对应在物理实体里算法和规律明确的模块直接进行更新,对机理不明确的模块通过机器学习进行学习更新。
步骤S13:基于所述孪生数据层的第二数据对所述物理实体和所述校准后的虚拟模型进行测试,以便根据所述校准后的虚拟模型预测所述物理实体的运行状态。
本实施例中,虚拟模型校准后,基于孪生数据层的第二数据对物理实体和校准后的虚拟模型进行测试,以便根据校准后的虚拟模型预测物理实体的运行状态。可以理解的是,通过第一数据对系统模型进行训练,利用第二数据对系统模型进行测试,其中,第二数据可以为实时数据,即将系统模型投入应用,以利用虚拟模型预测物理实体的状态,从而可以提前把结果反馈给物理实体。
本实施例中,所述基于所述孪生数据层的第二数据对所述物理实体和所述校准后的虚拟模型进行测试,以便根据所述校准后的虚拟模型预测所述物理实体的运行状态,可以包括:通过对所述孪生数据层实时获取的所述虚拟模型对应的仿真数据以及所述物理实体对应的实测数据进行数据清洗和分类,以得到所述第二数据;通过将所述第二数据分别发送给所述物理实体和所述虚拟模型,驱动所述物理实体和所述虚拟模型运行,以实现对所述物理实体和所述虚拟模型的实验测试,以便根据所述校准后的虚拟模型的测试结果预测所述物理实体的未来运行状态。即先对孪生数据层数据进行清洗和分类处理,然后,将清洗分类好的数据通过链路传输至机载雷达信号处理和数据存储系统虚拟模型和物理实体,可以理解的是,例如图4所示的基于数字孪生的机载雷达信号处理和数据存储系统实验测试方法,数据分类是依据虚拟模型内各个模块进行的,分类后数据有助于虚拟模型内各模块进行映射模拟。最后,基于第二数据驱动机载雷达信号处理和数据存储虚拟模型运行,与物理实体同步实验测试;具体的,数据层的各类数据通过链路传输至虚拟模型,驱动几何物理模型做出相应动作,进行动作映射;驱动状态信息模型,变换映射信息中的参数变量进行状态映射;驱动映射规则模型判断实体与虚拟模型的吻合度,实现虚拟和物理的同步。
本实施例中,所述通过对所述孪生数据层实时获取的所述虚拟模型对应的仿真数据以及所述物理实体对应的实测数据进行数据清洗和分类,以得到所述第二数据,可以包括:对所述孪生数据层实时获取的所述虚拟模型对应的仿真数据以及所述物理实体对应的实测数据进行数据清洗,以删除重复冗余数据和错误数据,并补全缺失值,得到清洗后数据;根据所述虚拟模型包含的不同类型模块对所述清洗后数据进行分类,并根据所述虚拟模型支持的数据格式类型对分类后数据进行格式转换,以得到所述第二数据;将所述第二数据存储至历史加工数据库,以便在后续孪生过程中发生错误报警时进行历史数据回溯。
例如图4所示,先采集机载雷达虚拟模型仿真产生的数据,以及物理实体生成的实测数据;然后,分析采集的数据构成,采用机器学习的方法对多源异构数据进行清洗;其中,多源是指数据来源不同,来源可能是物理实体的不同部件、分系统等;异构是指数据格式不一样。通过分析采集数据特点,制定清洗规则,根据所构建的数据模型清洗异常数据、删除重复冗余数据、补全缺失值,智能反复清洗直至数据满足要求,清洗规则可以基于历史数据确定。接着采用机器学习的方法进行孪生数据层数据分类,建构成具有规定模式的数据,即将多源异构数据处理成驱动虚拟模型支持的数据,分类结果以有利于虚拟体各模型与物理体仿真和实验测试为标准。另外,将清洗分类好的数据存储至历史加工数据库,以便在后续孪生过程中发生错误报警时进行历史数据回溯,或者作为数字孪生体实验测试的历史数据。
当然,除了利用实时数据测试之外,还可进行基于数据库历史数据的实验测试,运用机载雷达信号处理和数据存储孪生虚拟模型在行为、状态上与物理实体高度逼真的特性,实现在虚拟环境对物理实体的实验测试,从而达到在实际实验和虚拟环境均可进行测试的效果,降低机载雷达信号处理和数据存储系统实验难度。
通过使用数字孪生技术构建得到的机载雷达数字孪生信号处理和数据存储系统,在研制、实验测试、功能运行和保障维护全生命周期内异步成长,同时融合机器学习的技术进行数据驱动孪生模型仿真、校准和成长,即采用机器学习技术自动获取有效数据,然后基于数据驱动虚拟模型并校准,实现虚拟模型异步智能成长。面对机载雷达在天上的运行状态不可控,通过地上的数字孪生的虚拟模型对机载雷达信号处理和数据存储系统状态进行实验测试,以及未来状态的预测,例如环境恶劣情况下,对机载雷达信号处理和数据存储系统可能出现的状况进行预判,使虚拟模型和物理实体同步进行测试,通过虚拟模型服务物理实体。
由上可见,本实施例中根据机载雷达信号处理和数据存储系统的物理实体,通过映射创建得到对应的虚拟模型,并创建机载雷达信号处理和数据存储系统的孪生数据层;所述孪生数据层用于驱动所述物理实体和所述虚拟模型同步;基于所述孪生数据层的第一数据驱动所述物理实体和所述虚拟模型,并对所述虚拟模型进行仿真和校准,得到校准后的虚拟模型;基于所述孪生数据层的第二数据对所述物理实体和所述校准后的虚拟模型进行测试,以便根据所述校准后的虚拟模型预测所述物理实体的运行状态。可见,通过数字孪生驱动物理实体和虚拟模型对虚拟模型进行仿真和校准,使虚拟模型能够根据物理实体的运行状态不断优化更新,以构建物理实体在虚拟空间的高逼真映射,使孪生的虚拟模型能够在行为、状态和动作上与物理实体保持一致,从而利用校准后的虚拟模型实现雷达信号处理和数据存储在设计、测试、验证、运用、维护的全生命周期的有效仿真,提高机载雷达信号处理和数据存储仿真的准确性。
相应的,本申请实施例还公开了一种基于数字孪生的机载雷达信号处理与数据存储系统,参见图5所示,该系统包括:
机载雷达信号处理和数据存储系统的物理实体、机载雷达信号处理和数据存储系统的虚拟模型、以及用于驱动所述物理实体和所述虚拟模型同步的机载雷达信号处理和数据存储系统的孪生数据层;
所述孪生数据层还用于基于本地第一数据驱动所述物理实体和所述虚拟模型,并对所述虚拟模型进行仿真和校准,得到校准后的虚拟模型;基于本地第二数据对所述物理实体和所述校准后的虚拟模型进行测试,以便根据所述校准后的虚拟模型预测所述物理实体的运行状态。
其中,机载雷达信号处理和数据存储物理实体用于执行机载雷达信号处理和数据存储全部要素的集合,信号处理部分包括处理器、缓存介质等实体部件,以及信号预处理方法、信号处理方法、数据缓存方法等信号处理技术;数据存储部分包括存储控制器、存储介质等实体部件,以及文件管理方法、数据传输层算法、介质管理方法等数据存储方法。
机载雷达信号处理和数据存储虚拟模型,包括器件物理模型、行为模拟模型、状态信息模型和映射规则模型。器件物理模型是模拟实际机载雷达信号处理和数据存储物理实体的模型;行为模拟模型是虚拟模型的核心,描述物理体各组成部分的行为模拟方法;状态信息模型是对实体要素固有属性和功能执行状态的客观描述;虚拟和真实物理体映射规则模型是判定虚拟模型与物理逼真度的规则模块。
孪生数据层作为机载雷达信号处理和数据存储系统的重要组成部分,包括虚拟模型的仿真数据、真实物理体的实测数据、虚拟和物理的交互反馈数据以及同步处理方法。
相应的,本申请实施例还公开了一种基于数字孪生的机载雷达信号处理与数据存储装置,参见图6所示,该装置包括:
创建模块11,用于根据机载雷达信号处理和数据存储系统的物理实体,通过映射创建得到对应的虚拟模型,并创建机载雷达信号处理和数据存储系统的孪生数据层;所述孪生数据层用于驱动所述物理实体和所述虚拟模型同步;
仿真校准模块12,用于基于所述孪生数据层的第一数据驱动所述物理实体和所述虚拟模型,并对所述虚拟模型进行仿真和校准,得到校准后的虚拟模型;
测试模块13,用于基于所述孪生数据层的第二数据对所述物理实体和所述校准后的虚拟模型进行测试,以便根据所述校准后的虚拟模型预测所述物理实体的运行状态。
由上可见,本实施例中根据机载雷达信号处理和数据存储系统的物理实体,通过映射创建得到对应的虚拟模型,并创建机载雷达信号处理和数据存储系统的孪生数据层;所述孪生数据层用于驱动所述物理实体和所述虚拟模型同步;基于所述孪生数据层的第一数据驱动所述物理实体和所述虚拟模型,并对所述虚拟模型进行仿真和校准,得到校准后的虚拟模型;基于所述孪生数据层的第二数据对所述物理实体和所述校准后的虚拟模型进行测试,以便根据所述校准后的虚拟模型预测所述物理实体的运行状态。可见,通过数字孪生驱动物理实体和虚拟模型对虚拟模型进行仿真和校准,使虚拟模型能够根据物理实体的运行状态不断优化更新,以构建物理实体在虚拟空间的高逼真映射,使孪生的虚拟模型能够在行为、状态和动作上与物理实体保持一致,从而利用校准后的虚拟模型实现雷达信号处理和数据存储在设计、测试、验证、运用、维护的全生命周期的有效仿真,提高机载雷达信号处理和数据存储仿真的准确性。
在一些具体实施例中,所述创建模块11具体可以包括:
虚拟模型创建单元,用于根据机载雷达信号处理和数据存储系统的物理实体,利用数字孪生技术映射创建得到对应的虚拟模型;其中,所述虚拟模型包括器件物理模型、行为模拟模型、状态信息模型以及用于判定所述物理实体与所述虚拟模型之间映射吻合度的映射规则模型。
在一些具体实施例中,所述创建模块11具体可以包括:
孪生数据层创建单元,用于创建机载雷达信号处理和数据存储系统的孪生数据层;所述孪生数据层包括所述虚拟模型对应的仿真数据、所述物理实体对应的实测数据、所述虚拟模型与所述物理实体的交互反馈数据以及数据同步处理规则。
在一些具体实施例中,所述仿真校准模块12具体可以包括:
第一数据获取单元,用于通过对所述孪生数据层获取的所述虚拟模型对应的仿真数据以及所述物理实体对应的实测数据进行数据清洗,以得到所述第一数据;
驱动单元,用于利用所述第一数据驱动所述物理实体和所述虚拟模型;其中,利用所述第一数据驱动所述虚拟模型内对应的物理机理已知的模块,通过机器学习驱动所述虚拟模型内物理机理未知的模块;
仿真校准单元,用于对所述虚拟模型进行信号处理和数据存储的仿真测试得到仿真结果,并根据所述物理实体的实际结果与所述仿真结果的差异对所述虚拟模型进行校准,以得到校准后的虚拟模型。
在一些具体实施例中,所述测试模块13具体可以包括:
第二数据获取单元,用于通过对所述孪生数据层实时获取的所述虚拟模型对应的仿真数据以及所述物理实体对应的实测数据进行数据清洗和分类,以得到所述第二数据;
测试单元,用于通过将所述第二数据分别发送给所述物理实体和所述虚拟模型,驱动所述物理实体和所述虚拟模型运行,以实现对所述物理实体和所述虚拟模型的实验测试,以便根据所述校准后的虚拟模型的测试结果预测所述物理实体的未来运行状态。
在一些具体实施例中,所述第二数据获取单元具体可以包括:
数据清洗单元,用于对所述孪生数据层实时获取的所述虚拟模型对应的仿真数据以及所述物理实体对应的实测数据进行数据清洗,以删除重复冗余数据和错误数据,并补全缺失值,得到清洗后数据;
数据分类单元,用于根据所述虚拟模型包含的不同类型模块对所述清洗后数据进行分类,并根据所述虚拟模型支持的数据格式类型对分类后数据进行格式转换,以得到所述第二数据;
存储单元,用于将所述第二数据存储至历史加工数据库,以便在后续孪生过程中发生错误报警时进行历史数据回溯。
进一步的,本申请实施例还公开了一种电子设备,参见图7所示,图中的内容不能被认为是对本申请的使用范围的任何限制。
图7为本申请实施例提供的一种电子设备20的结构示意图。该电子设备20,具体可以包括:至少一个处理器21、至少一个存储器22、电源23、通信接口24、输入输出接口25和通信总线26。其中,所述存储器22用于存储计算机程序,所述计算机程序由所述处理器21加载并执行,以实现前述任一实施例公开的基于数字孪生的机载雷达信号处理与数据存储方法中的相关步骤。
本实施例中,电源23用于为电子设备20上的各硬件设备提供工作电压;通信接口24能够为电子设备20创建与外界设备之间的数据传输通道,其所遵循的通信协议是能够适用于本申请技术方案的任意通信协议,在此不对其进行具体限定;输入输出接口25,用于获取外界输入数据或向外界输出数据,其具体的接口类型可以根据具体应用需要进行选取,在此不进行具体限定。
另外,存储器22作为资源存储的载体,可以是只读存储器、随机存储器、磁盘或者光盘等,其上所存储的资源包括操作系统221、计算机程序222及包括仿真数据、实测数据在内的数据223等,存储方式可以是短暂存储或者永久存储。
其中,操作系统221用于管理与控制电子设备20上的各硬件设备以及计算机程序222,以实现处理器21对存储器22中海量数据223的运算与处理,其可以是Windows Server、Netware、Unix、Linux等。计算机程序222除了包括能够用于完成前述任一实施例公开的由电子设备20执行的基于数字孪生的机载雷达信号处理与数据存储方法的计算机程序之外,还可以进一步包括能够用于完成其他特定工作的计算机程序。
进一步的,本申请实施例还公开了一种计算机存储介质,所述计算机存储介质中存储有计算机可执行指令,所述计算机可执行指令被处理器加载并执行时,实现前述任一实施例公开的基于数字孪生的机载雷达信号处理与数据存储方法步骤。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本发明所提供的一种基于数字孪生的机载雷达信号处理与数据存储方法、装置、设备及介质进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种基于数字孪生的机载雷达信号处理与数据存储方法,其特征在于,包括:
根据机载雷达信号处理和数据存储系统的物理实体,通过映射创建得到对应的虚拟模型,并创建机载雷达信号处理和数据存储系统的孪生数据层;所述孪生数据层用于驱动所述物理实体和所述虚拟模型同步;所述虚拟模型包括器件物理模型、行为模拟模型、状态信息模型以及用于判定所述物理实体与所述虚拟模型之间映射吻合度的映射规则模型;
基于所述孪生数据层的第一数据驱动所述物理实体和所述虚拟模型,并对所述虚拟模型进行仿真和校准,得到校准后的虚拟模型;
基于所述孪生数据层的第二数据对所述物理实体和所述校准后的虚拟模型进行测试,以便根据所述校准后的虚拟模型预测所述物理实体的运行状态;
其中,所述基于所述孪生数据层的第二数据对所述物理实体和所述校准后的虚拟模型进行测试,以便根据所述校准后的虚拟模型预测所述物理实体的运行状态,包括:
通过对所述孪生数据层实时获取的所述虚拟模型对应的仿真数据以及所述物理实体对应的实测数据进行数据清洗和分类,以得到所述第二数据;
通过将所述第二数据分别发送给所述物理实体和所述虚拟模型,驱动所述物理实体和所述虚拟模型运行,以实现对所述物理实体和所述虚拟模型的实验测试,以便根据所述校准后的虚拟模型的测试结果预测所述物理实体的未来运行状态;
其中,所述通过对所述孪生数据层实时获取的所述虚拟模型对应的仿真数据以及所述物理实体对应的实测数据进行数据清洗和分类,以得到所述第二数据,包括:
利用预先基于机器学习以及通过分析采集数据特点并制定清洗规则构建的数据模型,对所述孪生数据层实时获取的所述虚拟模型对应的仿真数据以及所述物理实体对应的实测数据进行数据清洗,以删除重复冗余数据和错误数据,并补全缺失值,得到清洗后数据;
根据所述虚拟模型包含的不同类型模块对所述清洗后数据进行分类,并根据所述虚拟模型支持的数据格式类型对分类后数据进行格式转换,以得到所述第二数据;
将所述第二数据存储至历史加工数据库,以便在后续孪生过程中发生错误报警时进行历史数据回溯。
2.根据权利要求1所述的基于数字孪生的机载雷达信号处理与数据存储方法,其特征在于,所述根据机载雷达信号处理和数据存储系统的物理实体,通过映射创建得到对应的虚拟模型,包括:
根据机载雷达信号处理和数据存储系统的物理实体,利用数字孪生技术映射创建得到对应的虚拟模型。
3.根据权利要求1所述的基于数字孪生的机载雷达信号处理与数据存储方法,其特征在于,所述创建机载雷达信号处理和数据存储系统的孪生数据层,包括:
创建机载雷达信号处理和数据存储系统的孪生数据层;所述孪生数据层包括所述虚拟模型对应的仿真数据、所述物理实体对应的实测数据、所述虚拟模型与所述物理实体的交互反馈数据以及数据同步处理规则。
4.根据权利要求1所述的基于数字孪生的机载雷达信号处理与数据存储方法,其特征在于,所述基于所述孪生数据层的第一数据驱动所述物理实体和所述虚拟模型,并对所述虚拟模型进行仿真和校准,得到校准后的虚拟模型,包括:
通过对所述孪生数据层获取的所述虚拟模型对应的仿真数据以及所述物理实体对应的实测数据进行数据清洗,以得到所述第一数据;
利用所述第一数据驱动所述物理实体和所述虚拟模型;其中,利用所述第一数据驱动所述虚拟模型内对应的物理机理已知的模块,通过机器学习驱动所述虚拟模型内物理机理未知的模块;
对所述虚拟模型进行信号处理和数据存储的仿真测试得到仿真结果,并根据所述物理实体的实际结果与所述仿真结果的差异对所述虚拟模型进行校准,以得到校准后的虚拟模型。
5.一种基于数字孪生的机载雷达信号处理与数据存储系统,其特征在于,包括机载雷达信号处理和数据存储系统的物理实体、机载雷达信号处理和数据存储系统的虚拟模型、以及用于驱动所述物理实体和所述虚拟模型同步的机载雷达信号处理和数据存储系统的孪生数据层;所述虚拟模型包括器件物理模型、行为模拟模型、状态信息模型以及用于判定所述物理实体与所述虚拟模型之间映射吻合度的映射规则模型;
所述孪生数据层还用于基于本地第一数据驱动所述物理实体和所述虚拟模型,并对所述虚拟模型进行仿真和校准,得到校准后的虚拟模型;基于本地第二数据对所述物理实体和所述校准后的虚拟模型进行测试,以便根据所述校准后的虚拟模型预测所述物理实体的运行状态;
所述孪生数据层还用于通过对所述孪生数据层实时获取的所述虚拟模型对应的仿真数据以及所述物理实体对应的实测数据进行数据清洗和分类,以得到所述第二数据;通过将所述第二数据分别发送给所述物理实体和所述虚拟模型,驱动所述物理实体和所述虚拟模型运行,以实现对所述物理实体和所述虚拟模型的实验测试,以便根据所述校准后的虚拟模型的测试结果预测所述物理实体的未来运行状态;
其中,所述孪生数据层还用于,利用预先基于机器学习以及通过分析采集数据特点并制定清洗规则构建的数据模型,对所述孪生数据层实时获取的所述虚拟模型对应的仿真数据以及所述物理实体对应的实测数据进行数据清洗,以删除重复冗余数据和错误数据,并补全缺失值,得到清洗后数据;根据所述虚拟模型包含的不同类型模块对所述清洗后数据进行分类,并根据所述虚拟模型支持的数据格式类型对分类后数据进行格式转换,以得到所述第二数据;将所述第二数据存储至历史加工数据库,以便在后续孪生过程中发生错误报警时进行历史数据回溯。
6.一种基于数字孪生的机载雷达信号处理与数据存储装置,其特征在于,包括:
创建模块,用于根据机载雷达信号处理和数据存储系统的物理实体,通过映射创建得到对应的虚拟模型,并创建机载雷达信号处理和数据存储系统的孪生数据层;所述孪生数据层用于驱动所述物理实体和所述虚拟模型同步;所述虚拟模型包括器件物理模型、行为模拟模型、状态信息模型以及用于判定所述物理实体与所述虚拟模型之间映射吻合度的映射规则模型;
仿真校准模块,用于基于所述孪生数据层的第一数据驱动所述物理实体和所述虚拟模型,并对所述虚拟模型进行仿真和校准,得到校准后的虚拟模型;
测试模块,用于基于所述孪生数据层的第二数据对所述物理实体和所述校准后的虚拟模型进行测试,以便根据所述校准后的虚拟模型预测所述物理实体的运行状态;
所述测试模块,还用于通过对所述孪生数据层实时获取的所述虚拟模型对应的仿真数据以及所述物理实体对应的实测数据进行数据清洗和分类,以得到所述第二数据;通过将所述第二数据分别发送给所述物理实体和所述虚拟模型,驱动所述物理实体和所述虚拟模型运行,以实现对所述物理实体和所述虚拟模型的实验测试,以便根据所述校准后的虚拟模型的测试结果预测所述物理实体的未来运行状态;
其中,所述测试模块还用于,利用预先基于机器学习以及通过分析采集数据特点并制定清洗规则构建的数据模型,对所述孪生数据层实时获取的所述虚拟模型对应的仿真数据以及所述物理实体对应的实测数据进行数据清洗,以删除重复冗余数据和错误数据,并补全缺失值,得到清洗后数据;根据所述虚拟模型包含的不同类型模块对所述清洗后数据进行分类,并根据所述虚拟模型支持的数据格式类型对分类后数据进行格式转换,以得到所述第二数据;将所述第二数据存储至历史加工数据库,以便在后续孪生过程中发生错误报警时进行历史数据回溯。
7.一种电子设备,其特征在于,包括:
存储器,用于保存计算机程序;
处理器,用于执行所述计算机程序,以实现如权利要求1至4任一项所述的基于数字孪生的机载雷达信号处理与数据存储方法。
8.一种计算机可读存储介质,其特征在于,用于存储计算机程序;其中计算机程序被处理器执行时实现如权利要求1至4任一项所述的基于数字孪生的机载雷达信号处理与数据存储方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210738305.7A CN114814759B (zh) | 2022-06-28 | 2022-06-28 | 基于数字孪生的机载雷达信号处理与数据存储方法及组件 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210738305.7A CN114814759B (zh) | 2022-06-28 | 2022-06-28 | 基于数字孪生的机载雷达信号处理与数据存储方法及组件 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114814759A CN114814759A (zh) | 2022-07-29 |
CN114814759B true CN114814759B (zh) | 2022-10-28 |
Family
ID=82522306
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210738305.7A Active CN114814759B (zh) | 2022-06-28 | 2022-06-28 | 基于数字孪生的机载雷达信号处理与数据存储方法及组件 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114814759B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112800668A (zh) * | 2021-01-20 | 2021-05-14 | 西安科技大学 | 基于数字孪生的复杂产品运维与制造集成总体模型 |
CN113569451A (zh) * | 2021-07-21 | 2021-10-29 | 上海工程技术大学 | 基于数字孪生的列车轴箱轴承寿命预测及故障维修系统 |
CN113657031A (zh) * | 2021-08-12 | 2021-11-16 | 杭州英集动力科技有限公司 | 基于数字孪生的供热调度自动化实现方法、系统及平台 |
CN113868898A (zh) * | 2021-11-29 | 2021-12-31 | 联想新视界(北京)科技有限公司 | 基于数字孪生模型的数据处理方法及装置 |
CN113946918A (zh) * | 2021-09-30 | 2022-01-18 | 中国船舶重工集团公司第七二四研究所 | 一种微组装产线布局及数字孪生管控方法 |
CN114002649A (zh) * | 2021-10-29 | 2022-02-01 | 湖南师范大学 | 基于数据孪生的雷达数据采集系统及其研制方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110309528A (zh) * | 2019-04-15 | 2019-10-08 | 南京航空航天大学 | 一种基于机器学习的雷达方案设计方法 |
CN110851966B (zh) * | 2019-10-30 | 2021-07-20 | 同济大学 | 一种基于深度神经网络的数字孪生模型修正方法 |
KR102366293B1 (ko) * | 2019-12-31 | 2022-02-22 | 주식회사 버넥트 | 디지털 트윈을 이용한 증강현실 기반 현장 모니터링 시스템 및 방법 |
US11486722B2 (en) * | 2020-04-21 | 2022-11-01 | Toyota Motor Engineering & Manufacturing North America, Inc. | Vehicular edge server switching mechanism based on historical data and digital twin simulations |
US11335072B2 (en) * | 2020-06-03 | 2022-05-17 | UrsaLeo Inc. | System for three dimensional visualization of a monitored item, sensors, and reciprocal rendering for a monitored item incorporating extended reality |
CN112836404B (zh) * | 2021-01-07 | 2023-09-19 | 大连理工大学 | 智能挖掘机的结构性能数字孪生体构建方法 |
CN114444816A (zh) * | 2022-03-09 | 2022-05-06 | 河南理工大学 | 一种大吨位装载机的识别、控制数字孪生系统 |
-
2022
- 2022-06-28 CN CN202210738305.7A patent/CN114814759B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112800668A (zh) * | 2021-01-20 | 2021-05-14 | 西安科技大学 | 基于数字孪生的复杂产品运维与制造集成总体模型 |
CN113569451A (zh) * | 2021-07-21 | 2021-10-29 | 上海工程技术大学 | 基于数字孪生的列车轴箱轴承寿命预测及故障维修系统 |
CN113657031A (zh) * | 2021-08-12 | 2021-11-16 | 杭州英集动力科技有限公司 | 基于数字孪生的供热调度自动化实现方法、系统及平台 |
CN113946918A (zh) * | 2021-09-30 | 2022-01-18 | 中国船舶重工集团公司第七二四研究所 | 一种微组装产线布局及数字孪生管控方法 |
CN114002649A (zh) * | 2021-10-29 | 2022-02-01 | 湖南师范大学 | 基于数据孪生的雷达数据采集系统及其研制方法 |
CN113868898A (zh) * | 2021-11-29 | 2021-12-31 | 联想新视界(北京)科技有限公司 | 基于数字孪生模型的数据处理方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN114814759A (zh) | 2022-07-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10816951B2 (en) | Emulation of a control system and control method for abnormality detection parameter verification | |
EP3671571A1 (en) | A method and system for generating an artificial intelligence model | |
EP3696745A1 (en) | Intelligent workflow advisor for part design, simulation and manufacture | |
CN108536972A (zh) | 基于自适应智能体的复杂系统可靠性仿真方法及系统 | |
CN115427968A (zh) | 边缘计算设备中的鲁棒人工智能推理 | |
CN114647525A (zh) | 诊断方法、装置、终端及存储介质 | |
Friederich et al. | Requirements for data-driven reliability modeling and simulation of smart manufacturing systems | |
CN115879323A (zh) | 自动驾驶仿真测试方法、电子设备及计算机可读存储介质 | |
CN110750455B (zh) | 基于系统日志分析的智能在线自更新故障诊断方法和系统 | |
CN117132890A (zh) | 一种基于Kubernetes边缘计算集群的遥感图像目标检测方法和系统 | |
CN114814759B (zh) | 基于数字孪生的机载雷达信号处理与数据存储方法及组件 | |
US10585771B1 (en) | Pluggable hardware simulation test execution system | |
CN117675838A (zh) | 一种智能量测主站数据自动同步及共享方法及系统 | |
Lucas et al. | Remote simulation to evaluate real-time traffic control strategies | |
CN116484016A (zh) | 一种基于时序路径自动维护的时序知识图谱推理方法和系统 | |
CA3144852A1 (en) | Automatic generation of integrated test procedures using system test procedures | |
CN113411841B (zh) | 5g切片的割接合并方法、装置及计算设备 | |
CN112862211A (zh) | 通信管理系统动环缺陷派单方法及装置 | |
Novák et al. | Ontology-based industrial plant description supporting simulation model design and maintenance | |
US11772681B2 (en) | Method and apparatus for processing autonomous driving simulation data, and electronic device | |
CN117961976B (zh) | 基于生成扩散迁移的装配机器人在线检测方法及装置 | |
US11835942B2 (en) | Real-time high-speed clock signal for industrial network emulation | |
Mariño et al. | Using LOTOS in the specification of industrial bus communication protocols | |
CN110765655B (zh) | 调度自动化仿真系统及其scada模型的构建方法、装置 | |
US20240086598A1 (en) | Transforming a model in a first language to a surrogate in a second language for simulation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |